基于智能算法的陜西省公路邊坡穩(wěn)定性評(píng)價(jià).pdf

1、隨著公路交通的快速發(fā)展，大量公路邊坡問(wèn)題不斷出現(xiàn)，影響了當(dāng)?shù)氐慕?jīng)濟(jì)發(fā)展，研究邊坡的穩(wěn)定性對(duì)災(zāi)害的防治至關(guān)重要。由于邊坡工程是復(fù)雜的系統(tǒng)工程，其中穩(wěn)定性分析問(wèn)題難以運(yùn)用單一科學(xué)的理論與方法來(lái)有效解決，這已成為邊坡工程研究者的共識(shí)。公路邊坡地質(zhì)災(zāi)害與眾多影響因素有密切關(guān)系，且大部分情況下這種關(guān)系的高度非線(xiàn)性，使得傳統(tǒng)穩(wěn)定性分析方法存在一定的局限性。伴隨科技的發(fā)展，人工智能成為探索公路邊坡穩(wěn)定程度的一種全新方法。根據(jù)目前信息化采集系統(tǒng)的情況，

2、本文提出支持向量機(jī)方法應(yīng)用于邊坡穩(wěn)定性分析中，以陜西省公路邊坡地質(zhì)災(zāi)害為分析對(duì)象，應(yīng)用地理信息系統(tǒng)空間分析技術(shù)和支持向量機(jī)（SVM）方法，通過(guò)優(yōu)選參數(shù)與建立穩(wěn)定性分析模型，為分析邊坡災(zāi)害探索一種新的方法。
　　本研究通過(guò)對(duì)陜西省的地形地貌、地質(zhì)構(gòu)造、巖土類(lèi)型及其他因素進(jìn)行調(diào)查分析，結(jié)合《陜西省日常養(yǎng)護(hù)管理系統(tǒng)》中的調(diào)查數(shù)據(jù)，闡述了導(dǎo)致陜西公路邊坡災(zāi)害的最重要因素，確定其分析指標(biāo)體系。結(jié)合陜西省區(qū)域環(huán)境特征，基于地理信息系統(tǒng)(Geo

3、graphic Information System GIS)的區(qū)域評(píng)價(jià)指標(biāo)疊加法，創(chuàng)建了以地震、降雨、地表切割深度、巖土類(lèi)型為主要影響因素的公路邊坡災(zāi)害分區(qū)評(píng)價(jià)模型，完成了各單因子圖，并結(jié)合邊坡災(zāi)害影響因素的關(guān)聯(lián)度量化分析方法確定權(quán)重，獲得陜西省公路邊坡分區(qū)圖，為分別確定各分區(qū)的穩(wěn)定性智能分析模型奠定基礎(chǔ)。依據(jù)分區(qū)的結(jié)果，分別對(duì)陜北、關(guān)中、陜南各自地域范圍內(nèi)的小樣本數(shù)據(jù)，采用支持向量機(jī)建立災(zāi)害穩(wěn)定性分析模型。運(yùn)用研究區(qū)域的調(diào)查數(shù)據(jù)，將

4、坡型、邊坡坡度、最大坡高、風(fēng)化程度、植被覆蓋、邊坡巖土體硬度，作為分析模型的輸入向量，將公路邊坡穩(wěn)定情況作為輸出向量。選擇運(yùn)用最廣泛的徑向基函數(shù)為核函數(shù)，并且選擇了粒子群算法、遺傳算法、網(wǎng)格搜索法三種參數(shù)優(yōu)選的方法，通過(guò)不斷尋優(yōu)確定最佳懲罰因子C和核參數(shù)g，進(jìn)行模型優(yōu)化處理，最終得到高精度的智能模型。結(jié)果表明，網(wǎng)格法耗費(fèi)時(shí)間比較少，精確度較差；而粒子群算法和遺傳算法運(yùn)算過(guò)程耗費(fèi)時(shí)間較長(zhǎng)，精確度較高。論文將分析模型結(jié)果，進(jìn)行對(duì)比分析和取舍

5、，最終使模型的精度達(dá)到95.8％，可靠性較高，可用于陜西省公路邊坡穩(wěn)定性分析。通過(guò)參數(shù)優(yōu)選獲得優(yōu)良的SVM分析模型，穩(wěn)定性和泛化性能均優(yōu)良，經(jīng)實(shí)測(cè)數(shù)據(jù)驗(yàn)證其精度較高，驗(yàn)證了基于智能算法—支持向量機(jī)公路邊坡穩(wěn)定性分析模型可以解決公路邊坡系統(tǒng)的非線(xiàn)性特點(diǎn)，存在相對(duì)的優(yōu)勢(shì)與工程實(shí)際使用意義?；贛ATLAB8.0平臺(tái)，結(jié)合Microsoft Visual C++編輯器，采用libsvm工具箱進(jìn)行擴(kuò)展編程，開(kāi)發(fā)了人工智能分析系統(tǒng)，對(duì)公路邊坡穩(wěn)定